/ Модель

Характеристики

Контекст
131 072 токена
Параметры
69,5 млрд
Размер весов
141 ГБ
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Llama-3.1-Nemotron-70B-Instruct
Библиотека
transformers
Опубликована
21 апр 2025

Llama-Primus-Nemotron-70B-Base

Генерация текстаТекст → текст3 профессии

Модель Trend Micro семейства Llama, дообученная на кибербезопасностных данных для генерации текста и поддержки задач анализа угроз.

83скачиваний за 30 дней6лайковвеса обновлены9 авг 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Llama-Primus-Nemotron-70B-Base — языковая модель Trend Micro для задач кибербезопасности, созданная продолжительным обучением на базе nvidia/Llama-3.1-Nemotron-70B-Instruct. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и применения в сценариях кибербезопасности. В README приведены результаты на публичных бенчмарках CTI-Bench, CyberMetric и SecEval; для Base указано улучшение совокупных оценок на 11,19% относительно исходной модели.

Обучение включало более 10 млрд токенов из кибербезопасностных корпусов, в том числе Primus-FineWeb и Primus-Nemotron-CC. В карточке указаны английский и японский языки, контекст до 131 072 токенов, а также возможности чата и интерфейс вызова инструментов. Модель распространяется по лицензии MIT. Бенчмарки характеризуют результаты на ограниченном наборе оценок и сами по себе не гарантируют точность в реальных задачах; README не приводит инструкций по безопасной эксплуатации или подробной оценки ошибок.

Сценарии применения

  • ответы на вопросы по кибербезопасности
  • анализ и объяснение уязвимостей
  • сопоставление CVE и CWE
  • оценка показателей CVSS
  • поддержка анализа киберугроз

Ограничения

Показатели из README относятся к публичным бенчмаркам и не гарантируют точность на реальных инцидентах или иных задачах. Для критичных решений ответы модели требуют проверки специалистом.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-Primus-Nemotron-70B-Base

Introduction

The Llama-Primus-Nemotron series builds upon nvidia/Llama-3.1-Nemotron-70B-Instruct through continued training. Following the same methodology as described in the Primus paper, we first performed pre-training on large-scale cybersecurity corpora (over 10B tokens) to obtain Llama-Primus-Nemotron-Base. We then conducted supervised-finetuning and applied DELLA to merge with the original Nemotron, resulting in Llama-Primus-Nemotron-70B-Instruct.

Llama-Primus-Nemotron-Base achieves an 11.19% improvement in aggregate scores across several public cybersecurity benchmarks.

Benchmark Result

Cybersecurity

Metric (5-shot, w/o chat template)Llama-3.1-Nemotron-70B-InstructLlama-Primus-Nemotron-70B-Base
CTI-Bench (MCQ)0.69000.7148
CTI-Bench (CVE → CWE)0.65900.7410
CTI-Bench (CVSS, lower is better)1.18931.0281
CTI-Bench (ATE)0.39050.4540
CyberMetric (500)0.93800.9280
SecEval0.71770.7208
CISSP (Exam Questions)0.85270.8703
Aggregate3.05863.4008 ↑11.19% 🔥

CTI-Bench(CVSS) is scored using Mean Absolute Deviation (lower is better), CTI-ATE uses F1 score, and the others use accuracy. The aggregate score (Agg.) is the sum of all benchmarks, with CTI-Bench(CVSS) negated.

References:

Training Datasets

Pre-training:

  • Primus-Seed-V2 (0.417B): An enhanced version of Primus-Seed, enriched with blogs, news, books, websites, Wikipedia, MITRE and Trend Micro knowledge.
  • Primus-FineWeb (2.57B): Cybersecurity text filtered from FineWeb-edu-score-2. Link
  • Primus-Nemotron-CC (7.6B): Cybersecurity text filtered from Nemotron-CC. Link

Note: Dataset Primus-Seed-V2 is not yet open-sourced and are currently under discussion. Feel free to reach out if you're interested.

Disclaimer: No Trend Micro customer information is included.

About Primus

Primus is Trend Micro's pioneering family of lightweight, state-of-the-art open cybersecurity language models and datasets. Developed through our cutting-edge research initiatives and advanced technology, these resources share the innovative foundation that powers our enterprise-class Trend Cybertron solution. As an industry leader in cybersecurity, Trend Micro is proud to contribute these powerful, efficiency-optimized models and datasets to the community, while maintaining the excellence and reliability that define our global security standards.

Acknowledgments

We would like to thank NVIDIA for generously providing computing resources (Taipei-1), which enabled the training and development of this model.

License

This model is based on the MIT license, but you must also comply with the Llama 3.1 Community License Agreement.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
b54ef2a

0 моделей